MétaCan
Menu
← Retour à la cohorte
Enregistrement W4407285156 · doi:10.1093/jcag/gwae059.047

A47 VIRTUAL REALITY SIMULATION TRAINING IN GASTROINTESTINAL ENDOSCOPY: A COCHRANE REVIEW

2025· review· en· W4407285156 sur OpenAlexaff
Rishad Khan, Nasruddin Sabrie, Joanne Plahouras, Bradley C. Johnston, Michael A. Scaffidi, Samir C. Grover, Colin Walsh

Notice bibliographique

RevueJournal of the Canadian Association of Gastroenterology · 2025
Typereview
Langueen
DomaineMedicine
ThématiqueSurgical Simulation and Training
Établissements canadiensHospital for Sick ChildrenQueen's UniversityUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésVirtual realityMedicineEndoscopyComputer scienceMedical physicsRadiologyArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Abstract Background Training with virtual reality (VR) simulation is increasingly used for health professions training to allow novices to practice in a learner-centered, risk-free environment. This review was performed to evaluate the effectiveness of VR simulation training in gastrointestinal endoscopy. Aims To determine whether virtual reality simulation training can supplement and/or replace early conventional endoscopy training in diagnostic endoscopy for health professions trainees with limited or no prior endoscopic experience. Methods We searched 17 databases from inception until October 18, 2023. We included randomised and quasi-randomised trials that compared VR simulation training with no training, conventional training, another form of simulation training, or an alternative method of VR training. We screened and abstracted data through Cochrane methodology. The primary outcome was composite score of competency. Secondary outcomes were procedure completion, procedure time, adverse events, patient discomfort, global rating of competency, and mucosal visualization. We calculated risk ratio for dichotomous outcomes and mean difference (MD) or standardised mean difference (SMD) for continuous outcomes with 95% CI. We used GRADE to assess the certainty of evidence. Results We included 20 trials (500 participants; 3975 endoscopic procedures). There was insufficient evidence to determine the effect of VR training on composite score of competency compared to no training or conventional training. VR training was advantageous over no training based for independent procedure completion (RR 1.62, 95% CI 1.15 to 2.26; moderate certainty evidence), overall rating of performance (mean difference [MD] 0.45, 95 %CI 0.15 - 0.75, very low certainty evidence), and mucosal visualization (MD 0.60, 95 %CI 0.20 - 1.00, very low certainty evidence). VR training resulted in fewer independent procedure completions compared to conventional training (RR = 0.45, 95 %CI 0.27 - 0.74, low certainty evidence). We found no differences between VR training and no training or conventional training for other outcomes. Based on qualitative analysis, we found no significant differences between VR training and other forms of simulation training. VR curricula based in educational theory provided benefit with respect to composite score of competency, compared with unstructured curricula. Based on qualitative analysis, we found no significant differences between VR training and other forms of simulation training. VR curricula based in educational theory provided benefit with respect to composite score of competency, compared with unstructured curricula. Conclusions VR simulation training in endoscopy can supplement conventional endoscopy training and provides benefit compared to no training. Risk of bias summary Funding Agencies None

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,022
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,032

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,022
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0080,008
Bibliométrie0,0070,006
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0020,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0100,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,050
Tête enseignante GPT0,362
Écart entre enseignants0,312 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of the Canadian Association of Gastroenterology→Même sujetSurgical Simulation and Training→Travaux en français237 207→